机器学习6 函数间隔与几何间隔

最新推荐文章于 2024-01-03 17:16:03 发布

skmygdrs

最新推荐文章于 2024-01-03 17:16:03 发布

阅读量458

点赞数 2

分类专栏： machine_learning

本文链接：https://blog.csdn.net/skmygdrs/article/details/52097859

版权

machine_learning 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

f u n c t i o n a l m arg i n

$functional{\kern 1pt} {\kern 1pt} m\arg in$

γ (i) = y (i) (w T x (i) + b)

${\gamma ^{\left( i \right)}} = {y^{\left( i \right)}}\left( {{w^T}{x^{\left( i \right)}} + b} \right)$

g e o m e t r i c m arg i n

$geometric{\kern 1pt} {\kern 1pt} {\kern 1pt} m\arg in$

w T (x (i) - γ (i) w ∥ w ∥) + b = 0

${w^T}\left( {{x^{\left( i \right)}} - {\gamma ^{\left( i \right)}}{w \over {\left\| w \right\|}}} \right) + b = 0$

w T x (i) - γ (i) w T w ∥ w ∥ + b = 0

${w^T}{x^{\left( i \right)}} - {\gamma ^{\left( i \right)}}{w^T}{w \over {\left\| w \right\|}} + b = 0$

\Rightarrow

$\Rightarrow$

γ (i) = w T x ( i ) + b ∥ w ∥

${\gamma ^{\left( i \right)}} = {{{w^T}{x^{\left( i \right)}} + b} \over {\left\| w \right\|}}$
为了保证非负性，令

γ (i) = y (i) ⎛ ⎝ (w ∥ w ∥) T x (i) + b ∥ w ∥ ⎞ ⎠

${\gamma ^{\left( i \right)}} = {y^{\left( i \right)}}\left( {{{\left( {{w \over {\left\| w \right\|}}} \right)}^T}{x^{\left( i \right)}} + {b \over {\left\| w \right\|}}} \right)$

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

skmygdrs

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

机器学习强基计划3-1：图文详解超平面、函数间隔、几何间隔

FRIGIDWINTER的博客

08-26

6671

在线性判别分析、支持向量机、主成分分析等模型中都接触到超平面的概念，本文图解机器学习中的超平面，以及由其引申出的投影、几何间隔、函数间隔等概念，为后续的模型学习打下基础

【机器学习】支持向量机（一）——最大间隔法与核函数

qq_44943613的博客

04-21

1203

【机器学习】支持向量机（一）——最大间隔法与核函数

参与评论您还未登录，请先登录后发表或查看评论

机器学习中的函数间隔和几何间隔

二胖_pro

05-05

2569

目录一、函数间隔二、几何间隔三、函数间隔和几何间隔的关系一、函数间隔函数间隔一般来说，一个点距离分离超平面的远近可以表示分类预测的确信程度。在超平面w⋅x+b=0w\cdot x+b=0w⋅x+b=0 确定的情况下，∣w⋅x+b∣|w\cdot x+b|∣w⋅x+b∣能够相对地表示点距离超平面的远近。w⋅x+bw\cdot x+bw⋅x+b 的符号与类标记 yyy 的符号是否一致能够表示...

函数间隔（functional margin）和几何间隔（geometric margin）

chqb89的专栏

04-28

8639

对于给定的训练数据集T和超平面(w,b)，定义超平面关于样本点(x_i,y_i)的函数间隔为定义超平面(w,b)关于训练数据集T的函数间隔为超平面关于T中所有样本点的函数间隔之最小值，即函数间隔可以表示分类预测的正确性及确信度，但选择分离超平面时，只有函数间隔还不够，因为只要成比例改变w和b，超平面并没有改变，但函数间隔却变了，因此需要对分离超平面的法

函数间隔和几何间隔

顺其自然~专栏

01-03

563

上一节我们讲到，我们要像线性分类器一样找到一个超平面，不仅能够对数据点进行一个准确的分隔，同时我们希望所有的点尽量都能够远离我们的超平面，即所有点的f(x)值都是很大的正数或者是很小的负数。但这里就会有一个疑问了，为什么f(x)值能够代表数据点远离超平面的程度呢？接下来，我们将讨论点到超平面的距离问题。

【机器学习】SVM中对函数间隔和几何间隔的理解

Elford的博客

11-23

1904

超平面表达式：函数间隔：对于在超平面上的点， wx+b=0wx+b=0wx+b=0 恒成立。而超平面之外的点，可以认为距离越远，wx+bwx+bwx+b 的绝对值越大，同时分类成功的概率也越高，表达式为：几何间隔：顾名思义，几何间隔就是两条平行线之间的距离，表达式为：考虑SVM的目标，是要使所有样本点中几何间隔的最小值尽可能大：即最优化问题为：将约束条件的左右两边同时乘以 ∣∣w∣∣||w||∣∣w∣∣，可以得到表达式： yi(w⋅xi+b)≥γ⋅∣∣w∣∣y_i(w·x_i+b

理解函数间隔与几何间隔

lecturekeke的专栏

01-28

406

如上图所示，输入$x$为$x^{(1)}$和$x^{(2)}$二维空间上的点。输入与输出共同构成三维空间的函数的曲面（在这里为一个与y轴相交于b点的倾斜平面），例如$x_2$在这个平面上对应的点可记作$x{_2}$'($x{^{(1)}_2},x{^{(2)}_2},y_2$)。以$x_2$为例，$\hat{\gamma}_2$为函数间隔，$\gamma_2$为几何间隔。$\gamma_2$不变，$\hat{\gamma}_2$则会随$\omega$的

Python人工智能课程 AI算法课程 Python机器学习与深度学习 6.支持向量机共70页.pdf

热门推荐

数据分析

05-10

1万+

在超平面w⋅x+b=0w⋅x+b=0w\cdot x+b=0确定的情况下，|w⋅x+b||w⋅x+b||w\cdot x+b|可以相对地表示点x距离超平面的远近。对于两类分类问题，如果w⋅x+b>0w⋅x+b>0w\cdot x+b>0，则xxx的类别被判定为1；否则判定为-1。所以如果y(w⋅x+b)>0y(w⋅x+b)>0y(w\cdot x+b)>0，则认为x...

《机器学习中的数学》—— 函数间隔与几何间隔

Lin's Blog

05-13

1033

目录1.函数间隔2.几何间隔3.两者的关系 1.函数间隔在超平面w∗x+b=0w^*x+b=0w∗x+b=0确定的情况下，∣w∗x+b=0∣|w^*x+b=0|∣w∗x+b=0∣能够表示点x到距离超平面的远近，而通过观察w∗x+b=0w^*x+b=0w∗x+b=0的符号与类标记yyy的符号是否一致可判断分类是否正确，所以，可以用w∗x+b=0w^*x+b=0w∗x+b=0)的正负性来判定或表示分类的正确性。于此，我们便引出了函数间隔（functional margin）的概念。定义函数间隔（用γ^\wi

SVM函数间隔和几何间隔

lvhuike的博客

12-30

1265

刚开始接触SVM，遇到函数间隔和几何间隔，对这2个概念有点混肴，查阅一些资料后有点明白了。函数间隔：并不是实际意义上的点到超平面的距离，只是表示点到超平面的远近。比如平面方程1：3x1 + 6x2 - 12 = 0 和平面方程2：x1 + 2x2 - 4 = 0 都过点（4，0）和（2，0），虽然平面方程1的系数是平面方程2的3倍，但它们是同一条线同一个平面。函数间隔等于y（wx + ...

函数间隔与几何间隔及（感知机与支持向量机的区别）

u014675538的博客

03-01

1780

引言支持向量机中讲解了函数间隔与几何间隔，我们在这篇博文中主要讲解函数间隔与几何间隔的区别。本篇博文主要讲解简单的复习知识，大佬勿喷。函数间隔与几何间隔在一个二维平面上，一个点距离超平面的距离的远近可以表示为分类预测的确信程度，距离越远表示越有把握分类正确。|w∗x+b||w∗x+b||w*x+b|表示点xxx距离超平面距离的远近，而(w∗x+b)∗y(w∗x+b)∗y(w*x+b)*...

支持向量机(SVM)详解：最大几何间隔与数学模型

"这是关于机器学习中支持向量机(SVM)的总结，涵盖了大量计算过程和图表，旨在帮助初学者理解和掌握SVM的基本概念和原理。" 在机器学习领域，支持向量机（Support Vector Machine，SVM）是一种非常有效的监督学习...